Jaringan syaraf tiruan (artifical neural
network) adalah sistem komputasi yang arsitektur dan operasinya diilhami dari
pengetahuan tentang sel syaraf biologis di dalam otak. Jaringan syaraf tiruan
merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba
menstimulasi proses pembelajaran pada otak manusia tersebut.
Adapun cara belajar jaringan saraf
tiruan sebagai berikut:
Ke dalam jaringan saraf tiruan
diinputkan informasi yang sebelumnya telah diketahui hasil keluarannya.
Penginputan informasi ini dilakukan lewat node-node atau unit-unit input.
Bobot-bobot antar koneksi dalam
suatu arsitektur diberi nilai awal dan
kemudian jaringan saraf tiruan dijalankan. Bobot-bobot ini bagi jaringan
digunakan untuk belajar dan mengingat suatu informasi. Pengaturan bobot
dilakukan secara terus-menerus dan dengan menggunakan criteria tertentu sampai
diperoleh keluaran yang diharapkan.
Lapisan – lapisan penyusun jaringan
saraf tiruan dapat dibagi menjadi tiga, yaitu:
1. Lapisan input
Node-node di dalam lapisan input
disebut unit-unit input. Unit-unit input menerima
input dari dunia luar. Input yang
dimasukkan merupakan penggambaran dari suatu
masalah.
2. Lapisan tersembunyi
Node-node di dalam lapisan tersembunyi
disebut unit-unit tersembunyi. Output dari
lapisan ini tidak secara langsung
dapat diamati.
3. Lapisan output
Node-node pada lapisan output disebut
unit-unit output. Keluaran atau output dari
lapisan ini merupakan output jaringan
saraf tiruan terhadap suatu permasalahan.
jaringan saraf tiruan dibagi ke dalam
3 macam arsitektur, yaitu:
1. Jaringan lapisan tunggal
Jaringan yang memiliki arsitektur
jenis ini hanya memiliki satu buah lapisan bobot
koneksi. Jaringan lapisan-tunggal
terdiri dari unit-unit input yang menerima sinyal dari
dunia luar, dan unit-unit output
dimana kita bias membaca respons dari jaringan saraf
tiruan tersebut.
2. Jaringan multilapis
Merupakan jaringan dengan satu atau
lebih lapisan tersembunyi. Multilayer net ini
memiliki kemampuan lebih dalam
memcahkan masalah bila dibandingkan dengan
single-layer net, namun pela-tihannya
mungkin lebih rumit.
3. Jaringan kompetitif
Jaringan ini sekumpulan neuron
bersaing untuk mendapatkan hak menjadi aktif.
Aplikasi aplikasi jaringan syaraf
tiruan sebagai berikut :
Jaringan Syaraf Tiruan
Jaringan syaraf tiruan (artifical neural
network) adalah sistem komputasi yang arsitektur dan operasinya diilhami dari
pengetahuan tentang sel syaraf biologis di dalam otak. Jaringan syaraf tiruan
merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba
menstimulasi proses pembelajaran pada otak manusia tersebut.
Adapun cara belajar jaringan saraf
tiruan sebagai berikut:
Ke dalam jaringan saraf tiruan
diinputkan informasi yang sebelumnya telah diketahui hasil keluarannya.
Penginputan informasi ini dilakukan lewat node-node atau unit-unit input.
Bobot-bobot antar koneksi dalam
suatu arsitektur diberi nilai awal dan
kemudian jaringan saraf tiruan dijalankan. Bobot-bobot ini bagi jaringan
digunakan untuk belajar dan mengingat suatu informasi. Pengaturan bobot
dilakukan secara terus-menerus dan dengan menggunakan criteria tertentu sampai
diperoleh keluaran yang diharapkan.
Ada banyak alas an mengapa jaringan
saraf tiruan perlu dipelajari, antara lain:
1. Ada banyaknya teknik (algoritma)
jaringan saraf tiruan yang tersedia. Teknik-teknik yang
ada saat ini memiliki arsitektur yang
sangat beragam dan canggih. Ini berbeda jauh dengan arsitektur jaringan saraf
tiruan pada masa-masa awal perkembangan jaringan saraf tiruan> Pada waktu
itu model yang ada sangat sederhana sehingga aplikasinya pun terbatas.
2. Adanya computer digital
berkecepatan tinggi. Hal semakin mempermudah proses simulasi jaringan saraf
tiruan.
3. Aplikasi yang sangat
luas.Bidang-bidang penelitian yang memanfaatkan jaringan saraf tiruan
diantaranya:
Aeorospace
Autopilot pesawat terbang, simulasi
jalur penerbangan, system kendali pesawat,
perbaikan autopilot dan simulasi
komponen pesawat.
Otomoti
Sistem kendali otomatis mobil.
Keuangan dan Perbankan
Pendeteksian uang palsu, evaluator
aplikasi kredit, pengidentifikasian pola-pola data pasar saham.
Pertahanan (Militer)
Pengendali senjata, pendeteksi bom,
penelusuran target, pembedaan objek, pengendali
sensor, sonar, radar, dan pengolahan
sinyal citra yang meliputi kompresi data, ektrasksi
bagian istimewa dan penghilangan
derau, pengenalan sinyal atau citra.
Elektronik
Pembuatan perangkat keras yang bias
mengimplementasikan jaringan saraf tiruan
secara efisien (pendesainan VLSI),
machine vision, pengontrol gerakan dan penglihatan
robot, sintesis suara.
Broadcast
Pencarian klip berita melalui
pengenalan wajah.
Lapisan – lapisan penyusun jaringan
saraf tiruan dapat dibagi menjadi tiga, yaitu:
1. Lapisan input
Node-node di dalam lapisan input
disebut unit-unit input. Unit-unit input menerima
input dari dunia luar. Input yang
dimasukkan merupakan penggambaran dari suatu
masalah.
2. Lapisan tersembunyi
Node-node di dalam lapisan tersembunyi
disebut unit-unit tersembunyi. Output dari
lapisan ini tidak secara langsung
dapat diamati.
3. Lapisan output
Node-node pada lapisan output disebut
unit-unit output. Keluaran atau output dari
lapisan ini merupakan output jaringan
saraf tiruan terhadap suatu permasalahan.
jaringan saraf tiruan dibagi ke dalam
3 macam arsitektur, yaitu:
1. Jaringan lapisan tunggal
Jaringan yang memiliki arsitektur
jenis ini hanya memiliki satu buah lapisan bobot
koneksi. Jaringan lapisan-tunggal
terdiri dari unit-unit input yang menerima sinyal dari
dunia luar, dan unit-unit output
dimana kita bias membaca respons dari jaringan saraf
tiruan tersebut.
2. Jaringan multilapis
Merupakan jaringan dengan satu atau
lebih lapisan tersembunyi. Multilayer net ini
memiliki kemampuan lebih dalam
memcahkan masalah bila dibandingkan dengan
single-layer net, namun pela-tihannya
mungkin lebih rumit.
3. Jaringan kompetitif
Jaringan ini sekumpulan neuron
bersaing untuk mendapatkan hak menjadi aktif.
Aplikasi aplikasi jaringan syaraf
tiruan sebagai berikut :
- · Adaptive Noise Canceling
- · Mortgage Risk Evaluator
- · Bomb Sniffer
- · GTE Process Monitor
- · Word Recognizer
- · Blower Motor Checker
- · Pototypedan Research Activity
Tidak ada komentar:
Posting Komentar